如何用Node.js结合gm高效将多页大PDF转成高清单页JPG？

核心问题解答 #

a) GraphicsMagick批量生成PDF每页JPG的方式 #

GraphicsMagick的convert命令默认仅处理PDF第一页，无法像ImageMagick那样自动批量生成所有页的JPG。要实现批量生成，必须显式指定页码范围，比如在命令行中执行：

gm convert -density 300 test.pdf[0-] test-%d.jpg

其中[0-]表示从第0页开始处理所有剩余页面。但在gm的npm包中，没有内置的自动批量处理逻辑，仍需手动遍历页码，但可以优化遍历方式提升效率。

b) gm复用Buffer的可能性 #

可以复用Buffer，但你当前的代码每次创建gm实例都重复传入整个大Buffer，这是效率低下的核心原因。更优的方式是直接传入PDF文件路径，让GraphicsMagick自行读取文件，避免Node.js反复在内存中传递大Buffer；如果必须用Buffer，也可以复用同一个Buffer实例创建gm对象，但仍不如直接用文件路径高效。

大PDF转JPG的最佳实践方案 #

针对数百页大PDF转JPG存入数据库的需求，结合Node.js后端场景，推荐以下优化方案：

1. 替换Buffer为文件路径，减少内存开销 #

放弃用fs.readFileSync加载整个PDF到Buffer，直接给gm传入文件路径。GraphicsMagick会自行处理文件读取，避免Node.js内存中重复持有大对象：

import gm from 'gm';

async function convertPdfToJpg(pdfPath: string) {
  // 获取PDF页数
  const pageCount = await new Promise<number>((resolve, reject) => {
    gm(pdfPath).identify((err, info) => {
      if (err) return reject(err);
      const pageArray = info.Format.split(',');
      resolve(pageArray.length);
    });
  });

  // 控制并发数，避免一次性启动过多进程
  const concurrency = 5;
  let current = 0;

  async function processBatch() {
    if (current >= pageCount) return;
    const batch = [];
    for (let i = 0; i < concurrency && current < pageCount; i++) {
      const pageNum = current++;
      batch.push(new Promise<void>((resolve, reject) => {
        gm(`${pdfPath}[${pageNum}]`)
          .density(150, 150)
          .quality(90)
          .toBuffer('JPG', (err, buffer) => {
            if (err) return reject(err);
            // 直接将buffer存入数据库，无需写入本地文件
            // db.save(`page-${pageNum}`, buffer);
            resolve();
          });
      }));
    }
    await Promise.all(batch);
    await processBatch();
  }

  await processBatch();
}

convertPdfToJpg('test.pdf').catch(console.error);

2. 控制并发数，避免应用冻结 #

直接遍历所有页会同时启动数百个gm子进程，导致CPU、内存资源耗尽，应用卡顿。通过分批处理+Promise.all控制并发数（比如每次处理5-10页），平衡处理速度和资源占用。

3. 考虑替代工具：直接调用ImageMagick命令行 #

如果gm的限制太多，直接用Node.js的child_process.spawn调用ImageMagick的convert命令，利用其原生批量处理能力，效率更高：

import { spawn } from 'child_process';

function convertPdfWithImagemagick(pdfPath: string, outputPattern: string) {
  return new Promise<void>((resolve, reject) => {
    const convertProcess = spawn('convert', [
      '-density', '300',
      pdfPath,
      outputPattern
    ]);

    convertProcess.on('close', (code) => {
      if (code === 0) resolve();
      else reject(new Error(`ImageMagick process exited with code ${code}`));
    });

    convertProcess.stderr.on('data', (data) => {
      console.error(`Imagemagick error: ${data.toString()}`);
    });
  });
}

// 调用示例：生成test-0.jpg、test-1.jpg...
convertPdfWithImagemagick('test.pdf', 'test-%d.jpg')
  .then(() => {
    // 后续读取文件存入数据库
  })
  .catch(console.error);

这种方式无需手动遍历页码，ImageMagick会自动处理所有页面，效率远高于gm的循环处理。

4. 数据库存储优化 #

不要先将JPG写入本地磁盘再读取存入数据库，直接通过gm的toBuffer方法获取JPG的Buffer，直接写入数据库，减少磁盘IO开销，提升整体流程效率。

内容的提问来源于stack exchange，提问作者bassman21